In evaluation of the permeability and porosity of individual wells, the weighted average permeability and porosity

values are computed. That is, each value of porosity or permeability is assumed to represent the interval from which
the sample was taken. If all the intervals sampled from a well are Of uniform thickness, the weighted average and
the arithmetic average are identical. If the intervals differ in both thickness and value Of the variable, then the two
averages differ. An example calculation Of the weighted average porosity and permeability is presented in Example
7-8.

Tabel rumus

The weighted average porosity is 4 per cent higher than the arithmetic average, and the weighted average
permeability is 22 per cent higher than the arithmetic average. It will be noted that the weighted average
permeability is equivalent to considering the intervals to be an array Of beds in parallel. The summation of kh is
referred to as the permeability capacity, and the summation Of Oh is the porosity or volume capacity Of the setion.
The weighting of porosity and permeability as described above is satis-factory if the samples are representative Of
the intervals from which they are obtained. However, in describing the average properties Of a reservoir from a large
number of samples, statistical methods reduce the work involved and provide additional information with which to
describe the physical properties of the system under consideration. Jan Lawww and A. C. Bulnesi* have contributed
greatly to the application of statistical methodes to evaluation Of core analysis.
Statistical data are ordinarily classified into classes or ranges Of the variable under consideration and the number Of
occurrences of the variable in each range tabulated. A sample classification of porosity data is shown in Table 7-7-
The number of occurrences in a particular range is referred

Tabelllll

to as the frequency. The sum of the frequencies over the number of ranges representing the data is equal to the
total number of data points. Frequency, in many applications, is more conveniently expressed as a fraction Of the
total number Of samples permitting comparison Of distributions containing different numbers Of data points Figure
7-38 is a porosity histogram and distribution (cumulative frequency) curve for the data presented in Table 7-7. The
histogram is relatively symmetrical as are most porosity distributions. Two statistical measures of central tendency
(average -values) are shown : (1) the median at a porosity Of 17.8 per cent and (2) the arithmetic at a porosity of
18.6 per Cent. The median is by definition the value Of the variable corresponding to the 50 per cent point on the
cumulative frequency curve. the median divides the histogram into equal areas. The value of the arithmetic mean
depends on the treatment of the data. For unclassified data the arithmetic mean is the sum Of the individual values
Of the variable divided by .....

Tabelll

This definition is equivalent to the usual statistical definition. For the data presented in Fig. 7-38, the arithmetic
mean computed from the cliassified data using Eq. (7-16) 18.62 per cent. while that computed from the unclasified
data is 18.65 per cent.
Other Statistical Measures. In addition to the measures Of central tendency discussed above, three additional
measures are encountered at time. These are (1) the mode, (2) the harmonic mean, and (3) the geometric mean. Of
these the geometric mean is of greatest importance With Respect statistical evaluation Of reservoir rock properties.
The mode is dificult to describe mathematically but be roughly defined As the value of the variable which occurs
most frequently. Therefore, the mode would fall in the class interval having the greatest frequency and is
approximated by the class mark of the interval. The mode is of Little quantitative significance in evaluation Of
engineering parameters.
The harmonic mean of an array of numbers is defined as the reciprocal Of the arithmetic oi the reciprocals of the
numbers, or
Rumus
(7-17)
where Xi is the harmonic mean, and Xi is the class mark (value Of the variable at the mid-pint) of the ith-class interval
or range and the Other terms are as previously defined. The harmonic mean is analogous to the Mean permeability
defined for beds in series.
The geometric mean of an array Of L numbers is the Lth root Of their product, or
Rumus 7-18
Taking Iogarithms of both sides,
Rumus 7-19
or for classified data can be approximated by
Rumus (7-20)
where the class inteval or range is defined on a logarithmic scale. The Geometric mean is required to represent
exponential distributions. application is illustrated in the evaluation of permeability.
Standard Deviation and Frequency Function. The standard deviation is another important concept. In effect, it is a
measure of the Dispersion of the data about the arithmetic mean and for classified data is Difined by Eq. (7-21).
Rumus (7-21)
where is the standard deviation and X. is the arithmetic mean. Note that the standard deviation is in the same units
as the variable.

For purposes of mathematical analysis it is convenient to replace the histogram by a continuous curve which can be
more readily manipulated. The resulting continuous curve is called the normal curve. The normal curve is a
symmetrical bell-shaped curve which is completely defined by the arithmetic mean and the standard deviation. The
frequency function for a normal distribution is given by
Rumus (7-22)
A normal curve can be fitted to data conveniently by plotting the variable against the cumulative frequency on
arithmetic probability paper. If the data approximate a straight line, then a normal curve is a reasonable fit of the
data. The distribution data of Fig. 7-38 plotted on arithmetic probability paper are shown in Fig. 7-39. The dashed
line is a smoothed curve through the points. It will be noted that the porosity distribution of field A closely
approaches a normal distribution. The equation of the normal curve has been shown to be defined completely by
the arithmetic mean and the standard deviation of the distribution. The standard deviation and mean of a
distribution can be estimated from a plot on probability paper in the following manner: The mean is the intercept of
the line drawn between the 15.9 and 84.1 per cent values of the curve and the 50 per cent cumulative frequency
line. On Fig. 7-39 this value is shown to be 17.8 per cent, which corresponds closely to the median value noted in Fig.
7-38. At the 84.1 per cent cumulative frequency in Fig. 7-39, the porosity is 23 per cent. The standard deviation is the
difference between the porosity at the 84.1 per cent point and the porosity at the 50 per cent point of the
cumulative frequency curve. This relation arises from the property of a normal curve that 68.2 per cent of the
observations are within one standard deviation of the mean. The standard deviation for this distri- bution is 5.2 per
cent.
In some reservoirs the net productive sand can be determined by a porosity distribution. A ' 'cutoff' value of porosity
is selected, so that only with porosities greater than the cutoff value are considered "net pay." The cumulative
volume capacity for the classified data of field A is calculated in Example 7-9 and plotted in Fig. 7-40. For field A,
98.171 per cent of the storage capacity is represented by samples having porosities of 10 per cent or greater. Thus a
cutoff value of 10 per cent porosity could be used to determine net pay and still include at least 98 per cent of the
producible hydrocarbons.
Dalam mengevaluasi permeabilitas dan porositas sumur individu, nilai permeabilitas dan porositas rata-rata
tertimbang dihitung. Artinya, setiap nilai porositas atau permeabilitas diasumsikan mewakili interval dimana sampel
diambil. Jika semua interval yang diambil dari sumur adalah dengan ketebalan seragam, rata-rata tertimbang dan
rata-rata aritmatika identik. Jika interval berbeda dalam ketebalan dan nilai Dari variabel tersebut, maka kedua rata-
rata tersebut berbeda. Contoh perhitungan porositas dan permeabilitas rata-rata tertimbang disajikan pada Contoh
7-8.

Tabel rumus

Porositas rata-rata tertimbang adalah 4 persen lebih tinggi dari rata-rata aritmatika, dan permeabilitas rata-rata
tertimbang adalah 22 persen lebih tinggi dari rata-rata aritmatika. Ini akan dicatat bahwa permeabilitas rata-rata
tertimbang setara dengan mengingat interval menjadi array Of tidur secara paralel. Penjumlahan kh disebut
kapasitas permeabilitas, dan penjumlahan Oh adalah porositas atau kapasitas volume dari setion.
Pembobotan porositas dan permeabilitas seperti yang dijelaskan di atas adalah satis-pabrik jika sampelnya mewakili
dari interval dimana mereka diperoleh. Namun, dalam menggambarkan sifat rata-rata Of reservoir dari sejumlah
besar sampel, metode statistik mengurangi pekerjaan yang terlibat dan memberikan informasi tambahan yang dapat
digunakan untuk menggambarkan sifat fisik dari sistem di bawah pertimbangan. Jan Lawww dan AC Bulnesi * telah
memberikan kontribusi besar terhadap penerapan methodes statistik untuk evaluasi Of analisis inti.
Data statistik yang biasanya diklasifikasikan ke dalam cla sse s atau berlari ges Variabel yang dipertimbangkan dan
jumlah dari kejadian dari variabel dalam setiap rentang ditabulasikan. Klasifikasi sampel data porositas ditunjukkan
pada Tabel 7-7- Jumlah kejadian pada rentang tertentu dirujuk

Tabelllll

sebagai frekuensi. Jumlah frekuensi di atas jumlah rentang yang mewakili data sama dengan jumlah total titik
data. Frekuensi, dalam banyak aplikasi, lebih mudah diekspresikan sebagai pecahan Dari jumlah total sampel yang
memungkinkan perbandingan Distribusi yang mengandung nomor yang berbeda Dari titik data Gambar 7-38 adalah
kurva histogram porositas dan distribusi (frekuensi kumulatif) untuk data yang disajikan dalam Tabel 7-7.Histogram
relatif simetris seperti distribusi porositas yang paling banyak. Dua ukuran statistik dari kecenderungan sentral (rata-
rata nilai) ditunjukkan: (1) median pada porositas 17,8 persen dan (2) aritmatika pada porositas 18,6 per
Cent. Median adalah dengan definisi nilai Dari variabel yang sesuai dengan titik 50 persen pada kurva frekuensi
kumulatif. median membagi histogram ke area yang sama. Nilai mean aritmetika bergantung pada perlakuan
terhadap data. Untuk data unclassified mean aritmetik adalah jumlah Dari nilai-nilai individu Dari variabel dibagi
dengan .....

Tabelll

Definisi ini setara dengan definisi statistik biasa. Untuk data yang disajikan pada Gambar 7-38, mean aritmetik
dihitung dari data yang diklasifikasikan menggunakan Persamaan. (7-16) 18,62 persen. sedangkan yang dihitung dari
data unclasif adalah 18,65 persen.
Ukuran statistik lainnya Sebagai tambahan terhadap ukuran kecenderungan sentral yang dibahas di atas, tiga
tindakan tambahan ditemukan pada waktu. Ini adalah (1) mode, (2) mean harmonis, dan (3) mean geometrik. Dari
segi geometrik ini sangat penting. Dengan menghakimi evaluasi statistik Sifat batuan reservoir.
Modusnya sulit digambarkan secara matematis namun secara kasar didefinisikan Sebagai nilai dari variabel yang
paling sering terjadi. Oleh karena itu, mode akan jatuh dalam interval kelas yang memiliki frekuensi terbesar dan
didekati dengan tanda kelas interval. Modusnya adalah sedikit kuantitatif penting dalam evaluasi parameter teknik.
Mean harmonik dari sejumlah bilangan didefinisikan sebagai timbal balik aritmatika dengan bilangan bulat dari
bilangan, atau
Rumus
(7-17)
dimana Xi adalah mean yang harmonis, dan Xi adalah tanda kelas (nilai dari variabel di tengah pint) dari interval kelas
atau rentang kelas dan istilah lainnya seperti yang didefinisikan sebelumnya. Mean harmonis analog dengan
permeabilitas rata-rata yang didefinisikan untuk tempat tidur secara seri.
Mean geometrik dari sebuah array Dari bilangan L adalah akar Lth Dari produk mereka, atau
Rumus 7-18
Mengambil Iogaritma dari kedua sisi,
Rumus 7-19
atau untuk data rahasia dapat didekati oleh
Rumus (7-20)
dimana kelas inteval atau rentang didefinisikan pada skala logaritmik. Sarana Geometris diperlukan untuk
merepresentasikan distribusi eksponensial. Aplikasi diilustrasikan dalam evaluasi permeabilitas.
Standar Deviasi dan Fungsi Frekuensi. Standar deviasi adalah konsep penting lainnya. Akibatnya, ini adalah ukuran
Dispersi data tentang mean aritmetika dan untuk data rahasia Difference oleh Pers. (7-21).
Rumus (7-21)
Dimana standar deviasi dan X. adalah mean aritmetik. Perhatikan bahwa standar deviasi berada pada unit yang sama
dengan variabelnya.

Untuk tujuan analisis matematika lebih mudah untuk mengganti histogram dengan kurva kontinu yang dapat lebih
mudah dimanipulasi. Kurva kontinyu yang dihasilkan disebut kurva normal. Kurva normal adalah kurva bel
berbentuk simetris yang benar-benar didefinisikan oleh mean aritmetika dan standar deviasi. Fungsi frekuensi untuk
distribusi normal diberikan oleh
Rumus (7-22)
Kurva normal dapat dipasang pada data dengan mudah dengan memplot variabel terhadap frekuensi kumulatif pada
kertas probabilitas aritmatika. Jika data mendekati garis lurus, maka kurva normal adalah kecocokan data.Data
distribusi pada Gambar 7-38 diplot pada kertas probabilitas aritmatika ditunjukkan pada Gambar 7-39. Garis putus-
putus adalah kurva yang merapikan melalui titik-titik. Perlu dicatat bahwa distribusi porositas lapangan A mendekati
distribusi normal. Persamaan kurva normal telah terbukti didefinisikan sepenuhnya oleh mean aritmetik dan standar
deviasi dari distribusi. Deviasi standar dan mean distribusi dapat diperkirakan dari plot pada kertas probabilitas
dengan cara berikut: Rata-rata adalah pencegatan garis yang ditarik antara nilai kurva 15,9 dan 84,1 persen dari
kurva dan garis frekuensi kumulatif 50 persen. . Pada Gambar 7-39 nilai ini ditunjukkan 17,8 persen, yang
berhubungan erat dengan nilai median yang ditunjukkan pada Gambar 7-38. Pada frekuensi kumulatif 84,1 persen
pada Gambar 7-39, porositasnya adalah 23 persen. Deviasi standar adalah perbedaan antara porositas pada titik
84,1 persen dan porositas pada titik 50 persen dari kurva frekuensi kumulatif. Hubungan ini timbul dari sifat kurva
normal yang 68,2 persen dari pengamatan berada dalam satu standar deviasi mean.Deviasi standar untuk distorsi ini
adalah 5,2 persen.
Di beberapa waduk pasir produktif bersih dapat ditentukan oleh distribusi porositas. Nilai 'cutoff' porositas dipilih,
sehingga hanya dengan porositas yang lebih besar dari nilai cutoff yang dianggap "net pay." Kapasitas volume
kumulatif untuk data rahasia bidang A dihitung pada Contoh 7-9 dan diplot pada Gambar 7-40. Untuk bidang A,
98.171 persen kapasitas penyimpanan diwakili oleh sampel yang memiliki porositas 10 persen atau lebih.Dengan
demikian, nilai cutoff porositas 10 persen dapat digunakan untuk menentukan gaji bersih dan masih mencakup
setidaknya 98 persen dari hidrokarbon yang dapat diproduksi.